[发明专利]一种小样本条件下管道微弱泄漏检测方法

权利要求书

1.一种小样本条件下管道微弱泄漏检测方法，其特征在于：包括如下步骤：

步骤1：获取真实样本集，并根据真实样本集生成虚拟样本集，所述真实样本集包括真实正常样本集X^N和真实微弱泄漏样本集X^S，所述虚拟样本集包括初代虚拟正常样本集G^N和初代虚拟微弱泄漏样本集G^S；

所述步骤1具体步骤如下：

步骤1.1：获取真实正常样本集X^N，并根据该样本集中的真实正常样本生成粗糙的虚拟正常样本,生成粗糙的虚拟正常样本集

通过对真实正常样本集内的样本进行统计分析、数据的拟合、相似性的评价的分析，发现已知真实正常样本的数据规律,生成粗糙的虚拟正常样本

其中t表示时间，即样本的检测长度，t＝{1,2,…,L}；k₁表示真实正常样本的斜率；ε为传输过程中各种噪声引起的数据波动；Y_O1为设定的压力初值，该值根据输油管道正常的压力范围设定；

步骤1.2：根据正常样本的约束对步骤1.1中生成的粗糙虚拟正常样本集内的数据进行调整，将不符合约束条件的样本剔除，生成初代虚拟正常样本集

其中根据正常样本约束，初代虚拟正常样本满足：

其中，表示初代虚拟正常样本集G^N内样本的最小取值和最大取值，代表初代虚拟正常样本集G^N中选取的任意样本的检测长度；t_min、t_max表示初代虚拟正常样本的最小检测长度和最大检测长度；表示任意真实正常样本集X^N中元素的最小波动，表示任意真实正常样本的均值,代表常数，表示任意真实正常样本集X^N中元素的最大波动，代表常数，σ₁表示泄漏报警阈值，ΔY_min表示强干扰信号的最小值；表示正常样本波动的最大值；

步骤1.3：根据真实微弱泄漏样本约束对初代虚拟正常样本集内的数据进行调整，将不符合真实微弱泄漏样本约束条件的样本剔除，生成初代虚拟微弱泄漏样本集

根据真实微弱泄漏样本约束，初代虚拟微弱泄漏样本满足：

其中，表示初代虚拟微弱泄漏样本集G^S内样本的最小取值和最大取值；表示初代虚拟微弱泄漏样本集G^S内样本的最小检测长度和最大检测长度；表示初代虚拟微弱泄漏样本中元素的最小取值，表示任意小泄漏样本的均值，代表常数，表示初代虚拟微弱泄漏样本中元素的最大取值，代表常数，σ₂表示正常样本数据波动的最大值；ΔG^S表示虚拟微弱泄漏的数据波动；ΔZ表示工况调整引起数据波动的最小值；

步骤1.4：根据皮尔森相关系数ρ和真实正常样本集X^N对初代虚拟正常样本集G^N中的每一个虚拟正常样本进行筛选，若筛选合格，则保留虚拟正常样本，若不合格，则剔除；根据皮尔森相关系数ρ和真实微弱泄漏样本集X^S对初代虚拟微弱泄漏样本集G^S中的每一个虚拟微弱泄漏样本进行筛选，若筛选合格，则保留虚拟正常样本，若不合格，则剔除；得到虚拟正常样本集和虚拟微弱泄漏样本集

步骤2：对真实样本集和虚拟样本集进行组合特征提取，所述组合特征提取包括7种统计特征和1组符号化变换特征；

所述统计特征包括提取l周期内的最大压力上升信息f_MPR、提取l周期内的最大压力下降信息f_MPD、提取样本的峰谷值信息f_PV、提取样本的变异系数f_CV、提取信号幅值的方根信息f_SRA、提取均方根信息f_RMS、提取拟合系数的最大、最小值的集合f_FC；

步骤3：根据步骤2中得到的7种统计特征和1组符号化变换特征采用朴素贝叶斯方法和最小二乘支持向量机方法分别建立朴素贝叶斯网络管道小泄漏辨识模型和最小二乘支持向量机管道小泄漏辨识模型，根据辨识模型对管道进行泄漏检测。